如何将tidymodels拟合完成的模型应用到无标签新数据做预测

你没有遗漏rsample的相关功能，rsample的定位仅负责有标签数据集的拆分用于模型训练、调优、性能评估环节，和无标签新数据的预测流程无关。你遇到的问题核心是对last_fit()的功能边界认知不清，只需要多一步提取或生成最终拟合后的工作流对象即可实现需求。

具体操作逻辑 #

• last_fit()是tidymodels提供的便利封装函数，作用仅为「用最优超参在全量训练集拟合+一次性在测试集输出性能指标」，本身的输出设计没有面向后续新数据预测的场景，你不需要基于它的返回值做后续操作。
• 完成超参数调优后，你只需要将最优超参绑定到原始工作流，用全量有标签训练集完成拟合，得到的拟合后工作流对象即可长期复用，支持任意符合特征格式要求的无标签新数据预测。

最简可复用流程示例 #

# 前置条件：已完成超参调优，tune_res为调优结果对象，wflow为原始未拟合工作流，full_training_data为全量有标签训练集

# 选取最优超参组合
best_params <- select_best(tune_res, metric = "roc_auc")
# 绑定最优超参到工作流
final_wflow <- finalize_workflow(wflow, best_params)
# 用全量训练集拟合得到最终可复用模型对象
fitted_final_wflow <- fit(final_wflow, data = full_training_data)
# 预测无标签新数据，新数据仅需和训练集特征列格式完全一致，无需结果列
pred_result <- predict(fitted_final_wflow, new_data = churn_predict_users)
# 本地持久化模型，后续使用直接读取即可复用
saveRDS(fitted_final_wflow, "churn_predict_model.rds")

补充说明 #

如果你已经运行过last_fit()完成性能验证，可以直接从它的返回结果中提取已经拟合好的工作流对象，不需要重新拟合：

# 从last_fit结果中提取可复用的拟合后工作流
fitted_final_wflow <- extract_workflow(last_fit_result)

内容的提问来源于stack exchange，提问作者Chris Umphlett